| 摘要 | 第2-3页 |
| Abstract | 第3-4页 |
| 1 绪论 | 第7-12页 |
| 1.1 红外目标检测研究背景及意义 | 第7页 |
| 1.2 视觉显著性特征以及国内外红外目标检测研究现状 | 第7-10页 |
| 1.2.1 红外小目标检测现状 | 第9页 |
| 1.2.2 时空显著性在红外图像中的应用 | 第9-10页 |
| 1.3 论文主要内容以及框架 | 第10-12页 |
| 1.3.1 论文研究思路以及主要工作 | 第10页 |
| 1.3.2 论文的结构设计 | 第10-12页 |
| 2 红外目标检测方法 | 第12-21页 |
| 2.1 红外成像机理分析 | 第12-15页 |
| 2.2 红外图像背景抑制基本方法 | 第15-16页 |
| 2.3 两种背景抑制方法 | 第16-20页 |
| 2.3.1 统计排序滤波 | 第16-18页 |
| 2.3.2 基于空域高通的红外目标背景抑制 | 第18-20页 |
| 2.4 本章小结 | 第20-21页 |
| 3 红外目标空域显著性检测算法 | 第21-36页 |
| 3.1 本章概要 | 第21页 |
| 3.2 基于contourlet轮廓波与分形理论的边缘检测 | 第21-30页 |
| 3.2.1 contourlet轮廓波分解特征 | 第21-28页 |
| 3.2.2 基于分形理论的空域特征提取 | 第28-30页 |
| 3.3 改进频域谱残差的显著性检测 | 第30-33页 |
| 3.4 检测效果与实验分析 | 第33-35页 |
| 3.5 本章小结 | 第35-36页 |
| 4 基于时空域显著性融合的红外弱小目标检测与跟踪 | 第36-51页 |
| 4.1 连续红外图像序列的时间域信息获取 | 第36-39页 |
| 4.2 时空域显著性融合的红外目标检测与跟踪 | 第39-41页 |
| 4.3 基于神经网络的红外目标识别 | 第41-48页 |
| 4.3.1 改进后的VGG-f卷积网络模型设计 | 第41-44页 |
| 4.3.2 系统实验环境以及训练集准备 | 第44-48页 |
| 4.4 检测效果与实验分析 | 第48-50页 |
| 4.5 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表学术论文情况 | 第57-58页 |
| 致谢 | 第58-60页 |